update doc, test=document

applications/车牌识别.md

@@ -26,16 +26,14 @@
 
 结合我国国情，目前车牌识别技术的难点有:
 
-1. 汽车牌照组成比较复杂，汉字+字母+数据混合，不只有英文字母和阿拉伯数字，还有汉字，识别难度比较大；
-2. 颜色种类多，车牌格式多。我国车牌颜色大致有四种：黄底黑字、蓝底白字、白底黑字、黑底白字；车牌格式包括民用车牌、武警车牌、军车车牌、外交车牌、特种车牌、消防车牌等等。
-3. 文件分辨率低，通常由于车牌较远，有时是由于低端相机导致的；
-4. 车牌悬挂位置不固定。由于不同汽车品牌公司出产的汽车型号和外形各有不同，每辆车的车牌悬挂位置也不一样；
-5. 图像模糊，尤其是运动模糊；
-6. 由于强光，反射或阴影造成的光照和对比度较差；
-7. 车牌(部分)遮挡，通常是拖车杆或车牌上的污渍；
-8. 在车辆管理等场景场景对于模型速度有着一定限制。
+1. 车牌样式多。我国车牌颜色大致有四种：黄底黑字、蓝底白字、白底黑字、黑底白字；车牌格式包括民用车牌、武警车牌、军车车牌、外交车牌、特种车牌、消防车牌等等。
+2. 车牌位置不固定。由于不同汽车品牌公司出产的汽车型号和外形各有不同，每辆车的车牌悬挂位置也不一样；
+3. 图像质量差: 运动模糊,由于强光，反射或阴影造成的光照和对比度较差, 车牌(部分)遮挡；
+4. 在车辆管理等场景场景对于模型速度有着一定限制。
 
-针对以上问题， 本例选用 [PP-OCRv3](../doc/doc_ch/PP-OCRv3_introduction.md) 这一开源超轻量OCR系统进行车牌识别系统的开发并使用量化进行模型体积的压缩和模型推理速度的加速。
+针对以上问题， 本例选用 [PP-OCRv3](../doc/doc_ch/PP-OCRv3_introduction.md) 这一开源超轻量OCR系统进行车牌识别系统的开发。基于PP-OCRv3模型，在CCPD数据集达到99%的检测和94%的识别精度，模型大小12.8M(2.5M+10.3M)。基于量化对模型体积进行进一步压缩到5.8M(1M+4.8M), 同时推理速度提升x%。
+
+并使用量化进行模型体积的压缩和模型推理速度的加速
 
 aistudio项目链接: [基于PaddleOCR的轻量级车牌识别范例](https://aistudio.baidu.com/aistudio/projectdetail/3919091?contributionType=1)